DAO по-прежнему сталкиваются с фундаментальной проблемой, считает Виталик Бутерин

Сооснователь Ethereum, Виталик Бутерин, назвал ограниченность человеческого внимания основной проблемой, стоящей перед децентрализованными автономными организациями (DAO) и системами демократического управления.

Краткое содержание:

• Бутерин считает, что ограниченность человеческого внимания является ключевым недостатком в управлении DAO.
• Персональные ИИ-агенты могут голосовать, используя предпочтения и контекст пользователя.
• Рынки предложений и многосторонние вычисления (MPC) могут улучшить конфиденциальность и принятие решений.

В своем посте в X Бутерин отметил, что участники сталкиваются с тысячами решений в различных областях, не имея достаточного времени или навыков для их правильной оценки.

Обычное решение - делегирование - приводит к ощущению беспомощности, когда небольшая группа контролирует процесс принятия решений, а сторонники не имеют никакого влияния после нажатия кнопки делегирования.

Бутерин предложил использовать персональные большие языковые модели (LLM) в качестве решения проблемы ограниченности внимания и предложил четыре подхода. Это персональные агенты управления, публичные разговорные агенты, рынки предложений и конфиденциальные многосторонние вычисления для принятия решений по чувствительным вопросам.

Возможно, вам также будет интересно: Цена Zcash снизилась, поскольку Ethereum планирует внедрить функции конфиденциальности, такие как "скрытые адреса" и ZK.

Персональные LLM могут голосовать на основе предпочтений

Персональные агенты управления будут выполнять все необходимые голосования, основываясь на предпочтениях, выведенных из личных текстов, истории разговоров и прямых заявлений.

Когда агент сталкивается с неопределенностью в отношении предпочтений при голосовании и считает вопрос важным, он должен напрямую обращаться к пользователю, предоставляя при этом весь соответствующий контекст.

"ИИ становится правительством" - это антиутопия: это приводит к посредственному результату, когда ИИ слаб, и к катастрофическим последствиям, когда ИИ становится сильным. Но правильно используемый ИИ может быть мощным инструментом и продвигать демократические / децентрализованные формы управления.

Основная проблема демократических /…

— vitalik.eth (@VitalikButerin) 21 февраля 2026 г.

Публичные разговорные агенты будут собирать информацию от многих участников, прежде чем предоставить каждому человеку или его LLM возможность высказаться.

Система будет суммировать отдельные точки зрения, преобразовывать их в форматы, пригодные для обмена, не раскрывая личную информацию, и выявлять общие черты между входными данными, подобно системам Polis с расширенными возможностями LLM.

Бутерин отметил, что хорошие решения не могут быть результатом "линейного процесса, в котором собираются мнения людей, основанные только на их собственной информации, и усредняются (даже квадратично)". "Процессы должны сначала агрегировать коллективную информацию, а затем позволять давать обоснованные ответы".

Возможно, вам также будет интересно: Tether планирует прекратить выпуск оффшорного стабильного доллара CNH₮ из-за низкого спроса.

Рынки предложений могут выявлять высококачественные предложения

Механизмы управления, ценящие высококачественные предложения, могут использовать рынки прогнозирования, где любой может предлагать свои идеи, а ИИ-агенты делают ставки на токены. Когда механизм принимает предложение, он выплачивает вознаграждение держателям токенов.

Этот подход применим к предложениям, аргументам или любым единицам информации, которые система передает участникам. Структура рынка создает финансовые стимулы для выявления ценных вкладов.

Децентрализованное управление терпит неудачу, когда для принятия важных решений требуется конфиденциальная информация, – утверждал Бутерин. Обычно организации решают конфликтные ситуации, внутренние споры и вопросы компенсаций, назначая отдельных лиц, обладающих значительной властью.

Вычисления с участием нескольких сторон, использующие доверенные среды выполнения, могут включать в себя данные от многих людей, не нарушая при этом конфиденциальность.

«Вы загружаете свою персональную языковую модель в "черный ящик", модель получает доступ к конфиденциальной информации, принимает решение на ее основе и выдает только это решение», – объяснил Бутерин.

Защита конфиденциальности становится важной, когда участники предоставляют большие объемы информации, содержащей личные данные. Для обеспечения анонимности необходимы доказательства с нулевым разглашением, которые, по словам Бутерина, должны быть интегрированы во все инструменты управления.